TY - GEN A1 - Springstein, Matthias A1 - Nguyen, Huu Hung A1 - Hoppe, Anett A1 - Ewerth, Ralph T1 - TIB-arXiv: Ein alternatives Suchportal für den arXiv Preprint Server T2 - TK 3: Content kuratieren / Suchportale (18.03.2019, 09:00 - 11:30 Uhr, M8 (Messehaus)) N2 - Es ist entscheidend für Wissenschaftler in ihrem Gebiet den aktuellen Stand der Forschung zu kennen. Doch diese Aufgabe wird immer schwieriger: Einerseits werden jeden Tag mehr neue Artikel veröffentlicht; andererseits gibt es immer mehr mögliche Publikationsforen und -formen -- das Publikationssystem wird immer heterogener. . Daher müssen sich Wissenschaftler immer mehr Zeit nehmen, um die für ihre Forschung relevanten Artikel zu finden. Ein guter Indikator für diesen Trend ist der beliebte Preprint-Server arXiv. Die Anzahl der Artikel im Repository ist in den letzten 25 Jahren linear gestiegen, 2017 waren es mehr als 10.000 Artikel pro Monat. Der Fokus der arXiv-Plattform liegt auf einfachen Publishing-Diensten und daher bietet arxiv keine erweiterte Suchfunktionalität oder hilfreiche Visualisierungen. ArXiv bietet hingegen Programmierschnittstellen, die es externen Entwicklern erlauben, verschiedenste Zusatzdienste hinzuzufügen. Die meisten der existierenden Werkzeuge konzentrieren sich hierbei auf eine bestimmte Community und zeigen nur einen Bruchteil der arXiv-Daten. Andere Anwendungen bieten eine erweiterte Visualisierung, um die arXiv-Bibliothek zu erkunden.Dieser Beitrag präsentiert TIB-arXiv, ein webbasiertes Werkzeug für die Suche und Exploration von Publikationen in arXiv. Die Plattform bietet Zugang zur gesamten arXiv-Bibliothek und vereinfacht den Zugang mithilfe einer intuitiven Nutzeroberfläche. Der integrierte PDF-Reader ermöglicht es dem Nutzer, Artikel direkt auf der Webseite zu konsultieren während er den Datenbestand erkundet. Durch die Verlinkung der Publikationen mit externen Ressourcen und sozialen Medien, können dem Nutzer komplexere Retrieval- und Ranking-Methoden geboten werden. Dies ermöglicht es Wissenschaftlern, die aktuelle Entwicklung in ihrem Forschungsgebiet durch soziale und kollaborative Funktionalitäten schneller auf Aktualität und Relevanz überprüfen. KW - arXiv KW - web KW - arXiv KW - web Y1 - 2019 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:0290-opus4-164115 ER - TY - GEN A1 - Saurbier, Felix A1 - Ewerth, Ralph A1 - Springstein, Matthias T1 - Ein Bild sagt mehr als tausend Worte? Visuelle Konzeptdetektion für wissenschaftliche AV-Medien T2 - TK 6: erschließen & erhalten / Innovationen der Erschließung (13.06.2018, 16:30 - 18:00 Uhr, Saal D) N2 - Die TIB erforscht und entwickelt verschiedene Verfahren zur automatisierten Inhaltsanalyse, um den Zugang zu ihren Beständen fortlaufend zu optimieren. In Kombination mit Semantic-Web-Technologien unterstützen derartige Verfahren das semantische und cross-linguale Retrieval von Informationsressourcen. Für die wissenschaftlichen Videos des TIB AV-Portals werden bereits verschiedene automatische Videoanalyseverfahren eingesetzt, um umfangreiche zeitbasierte Metadaten zu extrahieren. Neben in Videos gezeigten Textelementen werden auch das gesprochene Wort und visuelle Inhalte ("Visual Concept Detection") analysiert. Darüber hinaus werden die Analyseergebnisse mit gängigen Normdaten und Wissensdatenbanken verlinkt sowie als Linked Open Data bereitgestellt, um Wiederverwendung und Verlinkung von Informationen zu erleichtern. Vor diesem Hintergrund betreibt die TIB eigene anwendungsnahe Forschung, um die eingesetzten automatisierten Analyseverfahren und damit die Qualität ihrer Metadatenbestände kontinuierlich zu verbessern. Unter anderem werden auf dem neuesten Stand der Technik basierende Methoden der visuellen Konzepterkennung in wissenschaftlichen Videos entwickelt, um das Bilderkennungsverfahren des TIB AV-Portals signifikant zu verbessern - sowohl in Bezug auf die Erkennungsraten als auch auf die Abdeckung fachspezifischer visueller Konzept. Die dabei entwickelte Lösung basiert auf tiefen neuronalen Netzen, die darauf trainiert wurden, visuelle Konzepte in AV-Medien verlässlich zu erkennen. Im Vortrag soll vorgestellt werden, wie eigene Forschungstätigkeiten im Bereich des maschinellen Lernens mit semantischen Webtechnologien kombiniert und auf Bibliotheksdienste wie das AV-Portal übertragen werden können, um automatische Analysemethoden, Erschließungstiefe und die Auffindbarkeit von AV-Medien nachhaltig zu verbessern. Y1 - 2018 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:0290-opus4-36280 ER -